AI a buněčně pěstované ryby: proč to dává smysl

Pěstovat tuňáka v bioreaktoru zní jako sci‑fi, jenže plán „na talíři v roce 2026“ už dnes není výstřelek do tmy. Firmy z oblasti buněčného zemědělství (cellular agriculture) už umí vypěstovat svalové i tukové buňky ryb tak, aby výsledek připomínal celý filet, ne jen „rybí kaši“. A přesně na tom pracuje i izraelský startup Wanda Fish, který míří na prémiové druhy jako tuňák modroploutvý.

Z pohledu našeho seriálu „Umělá inteligence v zemědělství a potravinářství“ je na tom nejzajímavější jedna věc: AI je často ten rozdíl mezi laboratorním prototypem a stabilní výrobou ve velkém. Nejde jen o automatizaci. Jde o řízení biologického procesu, kde se malá odchylka v teplotě, pH, kyslíku nebo složení média může promítnout do chuti, textury i ceny.

Wanda Fish v rozhovoru popisuje strategii, která dává tvrdý obchodní smysl: začít u high‑end restaurací, sbírat zpětnou vazbu a teprve pak jít do retailu. Já bych k tomu dodal: restaurace jsou zároveň ideální „testovací polygon“ pro data, která AI potřebuje, aby se výroba dala škálovat bez ztráty kvality.

Proč buněčně pěstované ryby vznikají právě teď

Důvod je kombinace poptávky, rizik dodavatelských řetězců a tlaku na udržitelnost. V oceánech roste míra znečištění a část rybolovu probíhá mimo regulace. Wanda Fish to v rozhovoru shrnuje přímo: oceán je výrazně zasažen lidskou činností a některé druhy ryb se dostávají pod tlak.

K tomu se přidává realita trhu:

• Prémiové ryby (tuňák, žlutoploutvý/hamachi, apod.) mají vysokou cenu a kolísavou dostupnost.
• Kvalita suroviny je proměnlivá (sezónnost, logistika, teplota při přepravě).
• Gastronomie i retail čelí nárokům na dohledatelnost původu a stabilitu.

Buněčně pěstované ryby slibují stabilní „výrobní“ kvalitu: stejná textura, stejné množství tuku, predikovatelné senzorické vlastnosti. Jenže tohle slovo „predikovatelné“ je přesně místo, kde do hry vstupuje AI.

Jak Wanda Fish přistupuje k buněčnému tuňákovi (a proč je to důležité)

Wanda Fish chce vyrábět celé filety složené ze svalových a tukových buněk. Postup popsaný v rozhovoru je typický pro buněčné zemědělství:

1. Jednorázový odběr vzorku rybí tkáně (a pak už „nechodit pro další rybu“).
2. Izolace buněk, hlavně svalových a tukových.
3. Kultivace v laboratorních podmínkách a následně ve výrobním bioreaktoru.
4. Důraz na to, že všechny vstupy do média jsou rostlinného původu (bez živočišných komponent), a cíl je obejít potřebu aditiv a suplementů.

Tohle je ambiciózní, protože „čisté“ složení bez dodatečných pomocných látek dělá proces citlivější na odchylky. A citlivé procesy potřebují:

• lepší měření,
• lepší řízení,
• lepší modely.

Jinými slovy: AI a pokročilá analytika nejsou doplněk. Jsou výrobní nutnost.

Kde přesně AI pomáhá: od bioreaktoru po chuť

AI v buněčném zemědělství nejvíc vydělává na tom, že umí spojovat mnoho signálů najednou a hledat vzory, které člověk v tabulce neuvidí. V praxi jde o čtyři oblasti, které rozhodují o úspěchu buněčně pěstovaných ryb.

1) Řízení bioprocesu v reálném čase (process control)

Cíl je jednoduchý: udržet buňky „spokojené“ a růstové podmínky stabilní. AI tu typicky slouží jako vrstva nad klasickým řízením.

Co se hlídá:

• teplota,
• pH,
• rozpuštěný kyslík,
• osmolalita,
• koncentrace živin a metabolitů,
• rychlost míchání, průtoky, pěnivost.

Kde AI přidává hodnotu:

• prediktivní řízení (model dopředu odhaduje, kam se proces vyvíjí, a zasahuje dřív, než se „rozjede“),
• detekce anomálií (včasné varování, že se kultura chová jinak než obvykle),
• optimalizace receptury média (hledání kombinací složení snižujících náklady při zachování kvality).

Praktický dopad pro výrobce: méně zmetků, vyšší výtěžnost, stabilnější kvalita.

2) Digitální dvojče bioreaktoru (digital twin)

Digitální dvojče znamená: virtuální model bioreaktoru, který se učí z reálných dat. U buněčně pěstovaných ryb je to mimořádně užitečné, protože škálování z laboratorního „stolního“ bioreaktoru do výrobního objemu je jedna z největších překážek.

Digitální dvojče pomáhá odpovědět na otázky typu:

• Jak se změní přenos kyslíku při větším objemu?
• Co udělá jiný režim míchání s buněčnou hustotou?
• Kdy je nejlepší čas „sklizně“, aby textura odpovídala filetu?

Bez AI se tyto odpovědi hledají pomalu a draze metodou pokus–omyl.

3) Počítačové vidění a „kvalita jako data“

U celých filetů je kvalita často v tom, co jde vidět a změřit:

• struktura,
• „mramorování“ tuku,
• uniformita,
• barva.

Počítačové vidění (kamery + modely) umí:

• automaticky třídit šarže,
• odhadovat texturu z povrchových znaků,
• spojit vizuální parametry s daty z bioreaktoru a vytvořit model „co vede k dobrému filetu“.

Tohle je mimochodem i důvod, proč dává smysl start v restauracích. Šéfkuchaři jsou extrémně citliví na drobnosti a zpětná vazba typu „tady je to moc měkké“ se dá převést do měřitelných parametrů.

4) Snižování ceny: hustota buněk, recyklace média, predikce výtěžnosti

Wanda Fish v rozhovoru zmiňuje tři páky: vyšší buněčnou hustotu, levnější ingredience a recyklaci média. Zde je AI překvapivě konkrétní pomocník:

• modely odhadnou, kdy médium ještě funguje a kdy už vede k poklesu kvality,
• optimalizují doplňování živin (fed‑batch strategie),
• predikují výtěžnost podle raných signálů a tím snižují náklady na neúspěšné šarže.

Jedna věta, kterou si z toho beru: Cena parita není jen o levnějších surovinách. Je o tom, aby výroba byla „nudně“ stabilní.

Proč začít v high‑end restauracích není marketing, ale strategie škálování

Prodej do restaurací je u buněčně pěstovaných produktů racionální volba, ne póza. Wanda Fish popisuje důvody, které sedí i na jiné segmenty alt protein:

• získání zpětné vazby (něco jako „klinická studie“),
• budování značky,
• vyšší prodejní cena, která umožní prodávat dřív než při plné cenové paritě.

Já bych přidal čtvrtý, hodně praktický důvod: restaurace dovolí pracovat s menšími objemy, ale vysokými nároky na kvalitu. To je ideální kombinace pro iterace produktu i modelů.

Konkrétní příklad, jak to může vypadat v praxi:

1. Šéfkuchař ohodnotí filet (chuť, struktura, chování při tepelné úpravě).
2. Tým kvality to spáruje s objektivními metrikami (barva, obsah tuku, pevnost, vodivost).
3. Data se vrátí do modelu, který navrhne úpravu procesu (např. délka kultivace, profil živin).

Výsledek: AI se učí na reálných „chuťových“ datech, ne jen na laboratorních indikátorech.

Co to znamená pro Česko: příležitosti pro potravinářství i agri‑AI

Český trh nebude pravděpodobně první, kde se buněčně pěstované ryby masově objeví, ale může být chytrý dodavatel technologií. V našem regionu dává smysl dívat se na tři role:

1) Dodavatelé AI a automatizace pro výrobu potravin

Firmy, které už dnes dělají:

• průmyslové řízení,
• prediktivní údržbu,
• počítačové vidění pro kontrolu kvality,

mají překvapivě blízko k tomu, co bude buněčné zemědělství potřebovat. Jen se změní „linka“: místo pece a dopravníku je to bioreaktor a čisté prostory.

2) Data infrastruktura a compliance

Buněčná výroba je datově náročná a regulace bude chtít dohledatelnost:

• šarže,
• vstupy,
• parametry procesu,
• výsledky kontroly kvality.

Tohle je silné téma pro české integrátory: MES/SCADA, datové sklady, auditní stopy, validace modelů.

3) Potravinářské podniky, které chtějí být u toho brzy

I když nejste startup na buněčné ryby, můžete:

• pilotovat AI řízení kvality,
• připravit se na práci s novými surovinami,
• navázat partnerství pro budoucí distribuci.

Zvlášť teď v zimě 2025, kdy se firmy typicky dívají na rozpočty a inovace pro rok 2026, je to dobrý moment si říct: kde nám AI reálně sníží náklady nebo zvedne kvalitu v příštích 12 měsících?

Rychlé Q&A: co se lidé ptají nejčastěji

Je buněčně pěstovaná ryba „to samé“ jako rostlinná alternativa?

Ne. Rostlinné alternativy napodobují rybu z rostlinných surovin. Buněčně pěstovaná ryba je tvořená rybími buňkami (sval, tuk), jen vzniká mimo tělo ryby.

Proč je AI u buněčných ryb tak zásadní?

Protože jde o komplexní biologický proces. AI dokáže optimalizovat růst buněk, včas odhalit problémy v bioreaktoru a předpovídat kvalitu výsledného filetu.

Kdy to bude v běžném prodeji?

Wanda Fish míří na rok 2026. Reálně bude tempo záviset na regulaci, výrobní kapacitě a cenové paritě.

Co si z toho odnést (a co udělat dál)

Buněčně pěstované ryby budou úspěšné tehdy, když se výroba stane predikovatelnou, opakovatelnou a levnější. A to je přesně prostor pro AI v potravinářství. Pokud vás zajímá, kam se posouvá „alternativní protein“ mimo klasické plant‑based produkty, buněčná akvakultura je teď jedna z nejpraktičtějších oblastí, kde se AI potkává s reálnou výrobou.

Když to vztáhnu na náš seriál o AI v zemědělství a potravinářství: v rostlinné výrobě AI řeší výnosy a vstupy; v buněčném zemědělství AI řeší výtěžnost bioreaktoru a kvalitu potraviny. Princip je stejný — data, predikce, optimalizace — jen prostředí je sterilní a místo hektarů řešíte litry.

Pokud zvažujete AI projekty v potravinářství, doporučuju začít jednoduchou otázkou: Které tři parametry kvality nebo nákladů vám dnes nejvíc „ujíždějí“ — a jaká data k nim už teď máte? Tam obvykle leží nejrychlejší cesta k pilotu, který dává obchodní smysl.